IA et secteur public
Comprendre, Maîtriser et Agir dans l'ère de l'IA Générative
🎯 Pourquoi maintenant ?
Données Omniprésentes
Des milliards de données générées chaque jour sur le web, les réseaux sociaux, les objets connectés. Ces données massives permettent d'entraîner des modèles de plus en plus performants.
Capacité de Calcul
Les GPU et infrastructures cloud offrent une puissance de calcul massive. Les processeurs spécialisés (TPU, NPU) accélèrent considérablement l'entraînement des modèles.
Algorithmes Avancés
Les architectures Transformer (2017) et le deep learning ont révolutionné le traitement du langage naturel et des données complexes.
📈 Accélération de l'innovation
🎯 Quelques records historiques
⚡ Accélération exponentielle de l'IA
🚀 Une accélération historique
4 années de progrès en IA (2018-2022) équivalent à 25 ans d'évolution technologique classique selon la loi de Moore. L'innovation en IA progresse à un rythme sans précédent dans l'histoire de la technologie.
📱 Accélération de l'adoption
⏱️ Temps pour atteindre 100 millions d'utilisateurs
🤖 Qu'est-ce que l'Intelligence Artificielle ?
Apprentissage
Apprendre au fil du temps sans intervention directe. Les modèles s'améliorent avec l'expérience et les données.
Perception
Interpréter la signification des données : texte, voix, images, vidéos. Comprendre le contexte et les nuances.
Cognition
Tirer des conclusions, raisonner et générer du contenu original. Résoudre des problèmes complexes.
📊 L'évolution de l'IA
🔄 Le changement de paradigme
💻 Développement logiciel traditionnel
Le développeur écrit explicitement les règles
🤖 Apprentissage automatique
(Données)
Le modèle apprend les règles à partir des données
🛠️ Concevoir des modèles IA
📚 Machine Learning : 3 catégories à connaître
✨ Pourquoi l'IA générative est différente ?
🧠 Comment un LLM “comprend” et génère
Un modèle de langage (LLM) ne “pense” pas comme un humain. Il transforme du texte en représentations numériques, apprend des régularités sur de très grands corpus, puis prédit le prochain token en fonction du contexte.
Les 4 briques clés (et les 4 étapes qui suivent)
- Word embedding : représenter les mots en vecteurs proches quand ils sont proches en sens.
- Attention : se concentrer sur les mots pertinents du contexte.
- Tokenisation : découper le texte en unités manipulables par le modèle.
- Probabilités : estimer les mots possibles et choisir le suivant.
1️⃣ Word embedding : les mots deviennent des vecteurs
Un word embedding représente chaque mot par un vecteur. Les mots proches en signification ont des vecteurs proches.
2️⃣ Attention : comprendre le contexte
Le mécanisme d’attention permet au modèle de se concentrer sur les mots les plus pertinents pour comprendre une phrase (références, contexte, etc.).
Clique sur un mot pour voir où “porte l’attention” (en surbrillance).
3️⃣ Tokenisation : découper le texte en tokens
Avant de “raisonner”, un LLM découpe le texte en tokens (morceaux de mots). Chaque token a un identifiant.
4️⃣ Probabilités : prédire le mot suivant
À chaque étape, un LLM calcule une distribution de probabilité sur les prochains tokens possibles. Il “choisit” ensuite un token (souvent le plus probable, ou via échantillonnage).
🏗️ Comment on entraîne un LLM
Ordre de grandeur : plusieurs dizaines de téraoctets de texte brut avant filtrage et préparation.
Millions de livres, sites web, articles scientifiques, conversations...
Pendant plusieurs jours à plusieurs semaines
Un coût de l’ordre de plusieurs millions d’euros
Le modèle ne conserve pas les données d’entraînement.
Il encode ce qu’il a appris dans ses paramètres (une “représentation compressée”), sans stocker les textes sources.
⚡ Impact environnemental
L'entraînement d'un grand modèle consomme une empreinte énergétique significative, concentrée sur une courte période. C'est pourquoi il est important de réutiliser les modèles existants plutôt que d'en créer de nouveaux.
🔧 2 typologies de services IA
🎯 Choisir le bon type d'IA
IA Pré-entraînée : Modèles puissants accessibles via API, facilement intégrables (rapide, économique).
🧩 Service IA pré‑entraîné
- Ce que c’est : un modèle déjà entraîné, prêt à l’usage (API / Copilot / modèle de base).
- Quand l’utiliser : démarrer vite, standardiser, généraliser à grande échelle.
- Valeur : rapidité, coût marginal faible, mises à jour et améliorations continues.
- À compléter : personnalisation via prompting, RAG (documents), et garde‑fous.
🛠️ IA sur mesure
- Ce que c’est : adaptation à un contexte métier (données, processus, règles, terminologie).
- Quand l’utiliser : cas sensibles, performance ciblée, différenciation métier.
- Valeur : pertinence, précision, contrôle, alignement sur les exigences (qualité / conformité).
- À anticiper : données, évaluation, exploitation (MLOps), coûts et délais plus élevés.
Écosystème IA
Les acteurs et la chaîne de valeur de l'économie de l'IA
🌐 La Chaîne de Valeur de l'IA
⚡ Infrastructure Critique
Alimentation électrique et connectivité : L'IA nécessite une infrastructure énergétique massive. Un seul data center IA peut consommer autant d'électricité qu'une ville de 50 000 habitants.
Les enjeux d'une IA responsable
Cliquez sur un principe pour explorer
L'AI Act : Régulation Européenne
🇪🇺 Premier Cadre Réglementaire Mondial
- Sélectionne un niveau de risque (inacceptable, élevé, limité, minimal).
- Le panneau affiche ensuite ce qui est attendu (obligations, transparence, gouvernance).
| Date clé | Obligation | Concerne |
|---|---|---|
| 2 Février 2025 | Pratiques interdites + AI Literacy | Tous les acteurs |
| 2 Août 2025 | Modèles d'IA à usage général (GPAI) | Fournisseurs de LLM |
| 2 Août 2026 | Systèmes à haut risque | Applications critiques |
| 2 Août 2027 | Application complète | Tous les systèmes IA |
Deepfakes — 1/3 : C’est quoi ?
Un contenu manipulé par IA
Un deepfake est un contenu (image, audio, vidéo) créé ou modifié par l’IA afin de donner l’illusion qu’une personne réelle a dit ou fait quelque chose qu’elle n’a jamais dit ou fait.
Deepfakes — 2/3 : S’en prémunir
Réduire le risque au quotidien
Il n’existe pas de protection unique : la bonne approche est multi-couches (vigilance, vérification, procédures et outils).
- Faire une pause si le contenu est émotionnel ou urgent.
- Vérifier la source : origine, contexte, date, cohérence.
- Croiser avec une confirmation indépendante.
- Ne pas amplifier : vérifier avant de partager ; signaler si nécessaire.
- Se préparer : plan de réponse (contacts, documentation, canaux).
Deepfakes — 3/3 : La lutte
Transparence & provenance des contenus
Au-delà de la détection, l’approche la plus robuste consiste à rendre visible la provenance et les modifications des contenus, en complément de l’éducation et des mécanismes de signalement.
🤝 Tech Accord
🔎 C2PA / Content Credentials
🧩 Approche multi-couches
Cas d'Usages Secteur public
Des exemples à la Région Sud
Illustration de cas d’usages concrets de l’IA dans le secteur public, avec des gains mesurables en efficacité, en qualité de service et en pilotage des politiques publiques.
🎯 Comment l'IA Transforme le Travail Parlementaire
Productivité & Bien-être
Automatiser les tâches administratives répétitives pour se concentrer sur l'essentiel : écoute des citoyens, débat démocratique, élaboration des lois.
Simplifier les Processus
Automatiser l'analyse de documents, la synthèse d'informations, la veille législative et la gestion des demandes citoyens.
Expérience Citoyenne
Améliorer la communication, rendre l'information accessible, répondre plus rapidement et de manière personnalisée aux préoccupations.
Innovation & Décision
Analyser l'impact des politiques, simuler des scénarios, détecter les tendances et prendre des décisions éclairées par les données.
📊 Chiffres Clés
- 56% des salariés français utilisent déjà l'IA au travail
- 78% des utilisateurs IA apportent leurs propres outils (BYOAI)
- 58% des dirigeants seraient moins enclins à recruter sans compétences IA
- 67% préfèrent un candidat junior avec IA qu'un senior sans
Cas d'usage #1 : Analyse et Synthèse Législative
Synthèse de Textes Législatifs
Besoin : Les parlementaires doivent analyser des centaines de pages de textes juridiques complexes. L'IA peut extraire les points clés, identifier les changements et produire des résumés accessibles.
Résumer l'AI Act européen (140 pages) en 3 niveaux : synthèse exécutive (1 page), analyse détaillée (10 pages), FAQ pour les citoyens. L'IA identifie les sections principales, extrait les obligations et génère des comparaisons avec d'autres réglementations.
Veille Législative et Benchmark
Besoin : Suivre les évolutions législatives dans d'autres pays, identifier les meilleures pratiques et anticiper les tendances.
"Analyse les législations sur la transition énergétique en Allemagne, Danemark et Espagne. Compare les mesures, identifie les succès et échecs, et propose des recommandations adaptées au contexte français."
Analyse de Sentiment et d'Opinion
Besoin : Comprendre la perception d'un projet de loi, analyser les retours citoyens, identifier les préoccupations.
Analyse de sentiment sur 110 000 demandes citoyens par an (passage de 5% à 100% analysées). Permet aux élus de mieux comprendre les tendances, prioriser les actions et ajuster les politiques publiques.
Cas d'usage #2 : Communication et Rédaction
Rédaction de Discours
Besoin : Préparer des discours percutants, argumentés et adaptés à différents publics (hémicycle, citoyens, presse).
Communication sur Réseaux Sociaux
Besoin : Adapter les messages législatifs pour les réseaux sociaux, vulgariser les informations complexes.
"Transforme cette synthèse de loi en 3 posts LinkedIn : un post pédagogique (300 mots), un thread Twitter en 5 tweets, et une infographie textuelle résumant les 3 points clés. Ton professionnel mais accessible."
Réponses aux Citoyens
Besoin : Répondre rapidement et de manière personnalisée aux demandes des citoyens, tout en gardant une dimension humaine.
L'IA peut générer des réponses-types adaptées au contexte, que le parlementaire ou son équipe peut ensuite personnaliser. Gain de temps tout en maintenant la qualité et l'empathie dans la réponse.
Cas d'usage #3 : Recherche et Analyse
Analyse d'Impact des Politiques
Besoin : Évaluer l'impact potentiel d'une mesure législative sur différents groupes, secteurs ou territoires.
Traitement de Données Complexes
Besoin : Analyser de grandes quantités de données (budgets, statistiques, études) pour en extraire des insights.
"Analyse ce fichier de 50 000 lignes sur les dépenses publiques de santé. Identifie les 10 postes de dépenses les plus importants, leur évolution sur 5 ans, les anomalies potentielles et les opportunités d'optimisation."
Gestion Documentaire
Besoin : Organiser, classer et retrouver rapidement des informations dans une masse de documents.
Création d'une base de connaissances interrogeable : "Recherche tous les documents parlementaires mentionnant la réforme des retraites entre 2015 et 2023, extrait les arguments principaux et synthétise les positions des différents groupes."
Cas d'usage #4 : Support à la Décision
Simulation de Scénarios
Besoin : Anticiper les conséquences de différentes options législatives avant de prendre une décision.
"Compare 3 scénarios de financement de la transition écologique : 1) Taxe carbone progressive 2) Emprunt public vert 3) Mix public-privé avec incitations fiscales. Pour chaque scénario, analyse : faisabilité, impact sur les ménages, acceptabilité politique, efficacité environnementale."
Analyse Juridique
Besoin : Vérifier la conformité constitutionnelle, identifier les conflits de normes, anticiper les recours.
"Analyse ce projet d'amendement. Identifie les risques d'inconstitutionnalité, les conflits potentiels avec le droit européen et les précédents jurisprudentiels pertinents. Propose des reformulations pour sécuriser juridiquement le texte."
⚠️ Limites et Précautions
L'IA est un assistant, pas un décideur
- Toujours vérifier les informations et références fournies (risque d'hallucinations)
- Ne pas déléguer les décisions critiques ou sensibles à l'IA
- Maintenir le contrôle humain et la responsabilité finale
- Respecter la confidentialité : ne pas partager de données sensibles ou classifiées
- Former les équipes à une utilisation responsable et critique de l'IA
Transformer avec l’IA — Le constat
Entre FOMO (Fear Of Missing Out) et FOBO (Fear Of Being Obsolete), les organisations publiques font face à une double tension : aller vite sans perdre le sens, innover sans fragiliser les compétences.
Comment transformer avec l'IA ?
🎯 Les 5 Moteurs de la Valeur de l'IA
1. Stratégie
Vision claire, objectifs mesurables, alignement avec la stratégie globale
2. Organisation & Culture
Leadership, conduite du changement, culture de l'innovation et de l'expérimentation
3. Expérience de l'IA
Cas d'usages concrets, prototypes, démonstrations de valeur
4. Gouvernance IA
Cadre éthique, conformité réglementaire, gestion des risques
5. Stratégie Technologique
Infrastructure, outils, intégration dans les SI existants
📚 Formation & Sensibilisation
La formation est le socle de toute transformation IA réussie. Chaque individu doit comprendre les fondamentaux, les opportunités et les limites de l'IA.
Litératie IA pour tous
Un socle commun pour comprendre, utiliser et encadrer l’IA : outils numériques, culture data, et principes d’IA responsable.
Courbe d’apprentissage individuelle
Parcours d’apprentissage pour votre organisation
Transformation des dynamiques professionnelles
L'Art du Prompting
Maîtriser l'interaction avec l'IA générative
💬 Qu'est-ce qu'un Prompt ?
🎯 Pourquoi bien prompter ?
- Pertinence : Obtenir des réponses précises et adaptées à votre besoin
- Efficacité : Gagner du temps en évitant les allers-retours
- Qualité : Générer du contenu professionnel et exploitable
- Créativité : Débloquer le potentiel de l'IA par des instructions claires
Anatomie d'un Bon Prompt
| Élément | Description | Exemple |
|---|---|---|
| Clarté | Éviter les ambiguïtés, être précis | "Résume en 5 phrases" plutôt que "Résume brièvement" |
| Contexte | Donner le rôle et la situation | "Tu es un expert juridique" / "Pour un public non-expert" |
| Objectif | Dire clairement ce qu'on attend | "Identifie les 3 risques majeurs" / "Compare deux approches" |
| Contraintes | Limites et garde-fous | "Maximum 500 mots" / "Ne pas inclure d'opinions personnelles" |
| Format | Structure attendue | "Sous forme de tableau" / "En 3 points avec sous-points" |
| Ton | Style de communication | "Ton professionnel" / "Pédagogique et accessible" |
Deux Approches de Prompting
Megaprompt
Un seul message complet contenant tous les détails nécessaires. Nécessite une seule réponse de l'IA.
✓ Avantages : Rapide, complet, contexte global
✗ Limites : Difficile pour tâches complexes
Prompt Chaining
Diviser en étapes successives. Chaque réponse devient le point de départ de la suivante.
✓ Avantages : Précision, contrôle, itératif
✗ Limites : Prend plus de temps
Exemple : Prompt Chaining pour Analyser l'AI Act
Compétences pour Bien Prompter
Jugement Analytique
- Capacité à évaluer la qualité et la pertinence des réponses de l'IA
Flexibilité
- S'adapter aux réponses de l'IA et ajuster sa stratégie
Intelligence Émotionnelle
- Comprendre le contexte humain que l'IA ne peut pas saisir
Créativité
- Formuler des prompts originaux et explorer de nouvelles approches
Curiosité
- Explorer les possibilités de l'IA et apprendre continuellement
Détection de Biais
- Identifier les biais, erreurs et hallucinations de l'IA
Exemples Pratiques pour Parlementaires
Exemple 1 : Synthèse Législative
Exemple 2 : Rédaction de Discours
💡 Conseils Avancés
- Itérer : Affinez progressivement votre prompt si le résultat n'est pas parfait
- Exemples : Fournissez des exemples de ce que vous attendez
- Contraintes négatives : Indiquez ce que vous ne voulez PAS
- Vérification : Demandez à l'IA de vérifier son propre travail
- Personas : Donnez un rôle précis à l'IA (expert, vulgarisateur, critique...)